Pytorch Note
什么是快乐星球,让我用简单易懂的代码带你进入pytorch快乐星球
这是我的Pytoch学习笔记,下面会慢慢的更新我的学习笔记
part1: 深度学习基础
-
PyTorch介绍和环境配置
- Note1 Pytorch介绍
- Note2 Pytorch环境配置
-
Pytorch基础
- Note3 Tensor(张量)
- Note4 Variable(变量)
- Note5 动态图和静态图 dynamic-graph
- Note6 自动求导Autograd
- Note7 Dataset(数据集)
- Note8 简单介绍torch.optim(优化)和模型保存
-
神经网络
- Note9 线性模型和梯度下降
- Note10 多项式回归
- Note11 Logistic 回归模型
- Note12 多层神经网络
- Note13 反向传播算法
- Note14 激活函数(Activation Function)
- 优化算法
- Note15 优化算法1 梯度下降(Gradient descent varients)
- Note16 优化算法2 动量法(Momentum)
- Note17 优化算法3 Adagrad算法
- Note18 优化算法4 RMSprop算法
- Note19 优化算法5 Adadelta算法
- Note20 优化算法6 Adam算法
- Note21 优化算法对比
- 数据处理和过拟合的方法
- Note22 数据预处理
- Note23 参数初始化
- Note24 防止过拟合
- Note25 深层神经网络实现 MNIST 手写数字分类
-
卷积神经网络
- Note26 卷积神经网络
- Note27 卷积设计的一些经验总结
- Note28 Pytorch的卷积模块
- Note29 使用重复元素的深度网络 VGG
- Note30 更加丰富化结构的网络 GoogLeNet
- Note31 深度残差网络 ResNet
- Note32 稠密连接的卷积网络 DenseNet
- 更好的训练卷积网络
- Note33 数据增强
- Note34 学习率衰减
- Note35 正则化
-
循环神经网络
- Note36 循环神经网络的变式:LSTM和GRU
- Note37 PyTorch 中的循环神经网络模块
- Note38 RNN 做图像分类
- Note39 RNN 序列预测
- 自然语言处理的应用
- Note40 词嵌入(word embedding)
- Note41 N-Gram 模型
- Note42 LSTM 做词性预测
-
生成对抗网络
- Note43 自动编码器(Autoencoder)
- Note44 变分自动编码器(VAE)
参考:
- 《深度学习入门之pytorch》
- https://github.com/L1aoXingyu/code-of-learn-deep-learning-with-pytorch
cs